Utvikling av en optimal algoritme for behandling av pasienter med netthinnepigmentepitelløsning ved neovaskulær aldersrelatert makuladegenerasjon ved bruk av kunstig intelligens
11. april 2023 oppdatert av: Viktoria Myasnikova, The S.N. Fyodorov Eye Microsurgery State Institution
Utvikling av en algoritme for å forutsi anatomiske og funksjonelle resultater av terapi med angiogenesehemmere hos pasienter med retinalpigmentepitelløsninger ved neovaskulær aldersrelatert makuladegenerasjon, basert på primær optisk koherenstomografi av makulærsonen og kliniske data.
Studien innebærer utvikling av en algoritme for å forutsi anatomiske og funksjonelle resultater av terapi med angiogenesehemmere hos pasienter med retinal pigmentepitelløsning i neovaskulær aldersrelatert makuladegenerasjon, basert på primær optisk koherenstomografi av makulær sone og kliniske data.
Studieoversikt
Status
Fullført
Intervensjon / Behandling
Detaljert beskrivelse
Pasientene ble delt inn i 3 grupper i henhold til terapiresultatene: adhesjon av løsrivelse, manglende overholdelse av løsrivelse, brudd på løsrivelse.
For disse gruppene velges OCT-bilder av makulær sone med maksimal løsrivelse før terapi.
Disse bildene, sammen med andre kliniske parametere, er input til algoritmen.
Resultatet er ett av de 3 behandlingsresultatene som er oppført ovenfor.
Metodene som vil bli brukt for å utvikle algoritmen inkluderer metoder for prosessering og transformering av data, dyp maskinlæring, metrikk for å beregne nøyaktigheten til algoritmer.
Studietype
Observasjonsmessig
Registrering (Faktiske)
300
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiesteder
-
-
-
Krasnodar, Den russiske føderasjonen, 350012
- The S.N. Fyodorov Eye Microsurgery State Institution
-
-
Deltakelseskriterier
Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Ja
Prøvetakingsmetode
Sannsynlighetsprøve
Studiepopulasjon
Pasienter med retinale pigmentepitelløsninger med aldersrelatert neovaskulær makuladegenerasjon
Beskrivelse
Inklusjonskriterier:
- Lineær B - skann gjennom makulaområdet med den lengste løsrivelsen
- Andre patologier
Ekskluderingskriterier:
- Bilder uten løsrivelse
- Bilder der det er mulig å diagnostisere behovet for terapi bare i nærvær av tilleggsfaktorer som ikke er vurdert i studien.
Studieplan
Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
Intervensjon / Behandling |
|---|---|
|
vedheft
gruppen der adhesjonen av nevroepitelial løsrivelse ble observert etter antivaskulær endotelial vekstfaktorterapi
|
0,05 ml anti-VEGF, intravitreal, månedlig
Andre navn:
|
|
ingen vedheft
gruppe der det ikke var adherens av nevroepitelial løsrivelse etter anti-vaskulær endotelial vekstfaktorterapi
|
0,05 ml anti-VEGF, intravitreal, månedlig
Andre navn:
|
|
разрыв
gruppe der neuroepitelial løsrivelse ble observert etter anti-vaskulær endotelial vekstfaktorterapi
|
0,05 ml anti-VEGF, intravitreal, månedlig
Andre navn:
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Prediksjonsalgoritme
Tidsramme: 1.09.2022
|
Neural nettverksklassifiserer
|
1.09.2022
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Etterforskere
- Studieleder: Viktoria Myasnikova, D.Med.Sc., Deputy Director for Research
Publikasjoner og nyttige lenker
Den som er ansvarlig for å legge inn informasjon om studien leverer frivillig disse publikasjonene. Disse kan handle om alt relatert til studiet.
Generelle publikasjoner
- Rohm M, Tresp V, Muller M, Kern C, Manakov I, Weiss M, Sim DA, Priglinger S, Keane PA, Kortuem K. Predicting Visual Acuity by Using Machine Learning in Patients Treated for Neovascular Age-Related Macular Degeneration. Ophthalmology. 2018 Jul;125(7):1028-1036. doi: 10.1016/j.ophtha.2017.12.034. Epub 2018 Feb 14.
- Prahs P, Radeck V, Mayer C, Cvetkov Y, Cvetkova N, Helbig H, Marker D. OCT-based deep learning algorithm for the evaluation of treatment indication with anti-vascular endothelial growth factor medications. Graefes Arch Clin Exp Ophthalmol. 2018 Jan;256(1):91-98. doi: 10.1007/s00417-017-3839-y. Epub 2017 Nov 10.
- Schmidt-Erfurth U, Bogunovic H, Sadeghipour A, Schlegl T, Langs G, Gerendas BS, Osborne A, Waldstein SM. Machine Learning to Analyze the Prognostic Value of Current Imaging Biomarkers in Neovascular Age-Related Macular Degeneration. Ophthalmol Retina. 2018 Jan;2(1):24-30. doi: 10.1016/j.oret.2017.03.015. Epub 2017 May 31.
- Bogunovic H, Montuoro A, Baratsits M, Karantonis MG, Waldstein SM, Schlanitz F, Schmidt-Erfurth U. Machine Learning of the Progression of Intermediate Age-Related Macular Degeneration Based on OCT Imaging. Invest Ophthalmol Vis Sci. 2017 May 1;58(6):BIO141-BIO150. doi: 10.1167/iovs.17-21789.
- Schmidt-Erfurth U, Waldstein SM, Klimscha S, Sadeghipour A, Hu X, Gerendas BS, Osborne A, Bogunovic H. Prediction of Individual Disease Conversion in Early AMD Using Artificial Intelligence. Invest Ophthalmol Vis Sci. 2018 Jul 2;59(8):3199-3208. doi: 10.1167/iovs.18-24106.
- Kozina, E. V., S. N. Sakhnov, V. V. Myasnikova, E. V. Bykova, and L. E. Aksenova. 2021. 'Modern Trends in Diagnostics and Prediction of Results of Anti-Vascular Endothelial Growth Factor Therapy of Pigment Epithelial Detachment in Neovascular Agerelated Macular Degeneration Using Deep Machine Learning Method (Literature Review)'. Acta Biomedica Scientifica 6 (6-1): 190-203. https://doi.org/10.29413/ABS.2021-6.6-1.22.
Studierekorddatoer
Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.
Studer hoveddatoer
Studiestart (Faktiske)
1. november 2021
Primær fullføring (Faktiske)
1. september 2022
Studiet fullført (Faktiske)
1. september 2022
Datoer for studieregistrering
Først innsendt
5. januar 2022
Først innsendt som oppfylte QC-kriteriene
12. januar 2022
Først lagt ut (Faktiske)
26. januar 2022
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
13. april 2023
Siste oppdatering sendt inn som oppfylte QC-kriteriene
11. april 2023
Sist bekreftet
1. april 2023
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 1 (Mobile Health and Wellness Program)
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .